关键词： Mobile and Distributed Robotics SLAM   Marine Robotics   Mapping   Field Robots   Localization   Bathymetric  

摘要： In recent years, sonar systems for surface and underwater vehicles have increased in resolution and become significantly less expensive. As such, these systems are viable at a wide range of price points and are appropriate for a broad set of applications on surface and underwater vehicles. However, to take full advantage of these high-resolution sensors for seafloor mapping tasks an adequate navigation solution is also required. In GPS-denied environments this usually necessitates a simultaneous localization and mapping (SLAM) technique to maintain good accuracy with minimal error accumulation. Acoustic positioning systems such as ultra short baseline (USBL) and long baseline (LBL) are sometimes deployed to provide additional bounds on the navigation solution, but the positional uncertainty of these systems is often much greater than the resolution of modern multibeam or interferometric side scan sonars. As such, subsurface vehicles often lack the means to adequately ground-truth navigation solutions and the resulting bathymetic maps. In this article, we present a dataset with four separate surveys designed to test bathymetric SLAM algorithms using two modern sonars, typical underwater vehicle navigation sensors, and high-precision (2 cm horizontal, 10 cm vertical) real-time kinematic (RTK) GPS ground truth. In addition, these data can be used to refine and improve other aspects of multibeam sonar mapping such as ray-tracing, gridding techniques, and time-varying attitude corrections.

关键词： Robotics and Automation   Artificial Intelligence   Computer Imaging   Vision   Pattern Recognition and Graphics   Control   Robotics   Mechatronics  

关键词： 空间机器人   连续型机械臂   多体系统动力学   刚柔耦合   一体化控制  

摘要： 空间机器人在燃料加注和在轨组装等复杂的空间任务中扮演了至关重要的角色。受到自由度与几何尺寸的限制,安装多连杆机械臂的传统空间机器人在非结构化环境中难以顺利执行任务,极易与目标发生刚性碰撞。由基座、太阳帆板和连续型机械臂组成的空间连续型机器人可有效避免上述问题,其携带的连续型机械臂可以实现柔顺性操作,适用于非结构化环境。更重要的是,连续型机械臂与航天员之间的交互更加安全。显著的优点使空间连续型机器人在辅助航天员舱外活动等方面展现出广阔的应用前景。空间连续型机器人是高度耦合的多体动力学系统,包含刚性基座、柔性太阳帆板和大变形的连续型机械臂,在大范围刚体运动过程中伴随着柔性附件的弹性振动。针对空间连续型机器人包含多种类型部件的特点,建立动力学模型并分析动力学特性显得尤为重要。动力学模型的强非线性和高耦合度为空间连续型机器人的控制系统设计带来挑战。另外,连续型机械臂的曲率是广义坐标的非线性函数,合理地处理其输入饱和问题需要进一步研究。空间连续型机器人的位姿机动会引起连续型机械臂的摆动,为了实现高精度控制,综合考虑空间连续型机器人的位姿与构型控制是亟需解决的关键问题。因此,本文以空间连续型机器人为研究对象,开展了动力学建模与分析工作,在此基础上,针对基座位姿、太阳帆板变形与连续型机械臂构型的控制问题,提出一体化控制方法,旨在为空间连续型机器人的发展与应用提供理论参考。本文主要工作概述如下:(1)针对由刚性、柔性和大变形模块组成的空间连续型机器人,建立了模块化动力学模型。将基座视为刚体,连续型机械臂等效为大变形梁,以模态叠加法计算太阳帆板的弹性变形。在此基础上,推导了系统的动能、弹性势能和广义力,采用约束方程描述邻接模块之间的运动学约束,基于第一类Lagrange方程建立了空间连续型机器人的动力学模型。此模型可用于分析基座位姿、太阳帆板弹性变形与连续型机械臂构型的动力学响应,反映了各类部件之间的动力学耦合,实验结果验证了所建模型可准确计算复杂驱动力下的连续型机械臂的构型和响应。(2)发现了空间连续型机器人在特定条件下出现的拍现象,并通过理论推导分析了其产生机理。将空间连续型机器人动力学模型中的非独立坐标消去,推导关于独立坐标的动力学方程,并利用摄动法将其在平衡位置处线性化。基于只含有独立坐标的线性化动力学方程,分析了空间连续型机器人拍现象的产生机理。柔性部件的固有频率会显著影响能量在系统中的传递。当空间连续型机器人出现拍现象时,太阳帆板的振幅显著增大,传递到太阳帆板上的能量明显增多,这可能会造成结构损伤。针对上述问题,进一步提出一种系统参数设计流程,避免初始扰动引起的拍现象。(3)针对空间连续型机器人的位姿机动与构型控制问题,提出含运动学约束的能量整形控制方法。将建立的Lagrange形式动力学模型转化为Hamilton形式,从能量的角度对空间连续型机器人的位姿与构型进行控制设计。通过能量整形使系统的Hamilton函数在期望的位姿与构型处取最小值,同时对系统的广义约束力进行整形,阻尼注入用于调整系统阻尼。建立非线性干扰观测器估计外界干扰,并进行干扰补偿设计。提出的控制方法可以使空间连续型机器人机动到期望的位置和姿态,同时控制连续型机械臂变形至期望的构型,并且易于调整系统的动态性能。(4)针对输入饱和约束下的空间连续型机器人一体化最优控制问题,提出基于混合互补理论的求解方法。采用两个观测器分别估计模态坐标和外界干扰,基于瞬时最优控制理论,结合包含观测器的增广动力学模型,建立了输入饱和约束下的空间连续型机器人一体化控制方程。通过引入参数变量和非线性互补函数,将输入饱和约束下的一体化最优控制问题转化为混合互补问题求解。提出的方法有效实现了空间连续型机器人轨迹-姿态-构型-振动的一体化控制,当部分驱动器达到饱和后,所需的驱动力增量被分配到未达到饱和的驱动器,可实现高精度控制,且严格满足输入饱和约束。

关键词： 立体视觉   深度学习   抓取规划   机器人动力学   神经网络自适应控制  

摘要： 智能机器人抓取技术是当前人工智能领域的一个重要研究方向之一。特别是在面临堆叠物体抓取问题时,智能机器人更需要使用先进的视觉感知算法对堆叠物体进行识别与定位,采用合理的抓取规划算法对抓取顺序进行规划以及结合高精度的机器人控制算法实现精准抓取。本课题利用神经网络算法对机器人的视觉感知、抓取规划、机器人控制等进行优化和改进,旨在兼顾各模块的协调能力,提高机器人面对堆叠物体的抓取效率,为机器人分拣工作提供支持和服务。本文第二章研究内容属于机器人抓取技术研究中的视觉感知模块。在该模块中,针对堆叠物体的立体结构和空间特性,使用了立体视觉算法对堆叠物体进行识别和定位。以Azure Kinect DK深度相机作为视觉传感器,获取深度图像数据;通过投影变换公式建立深度数据与点云数据联系,生成堆叠物体点云数据;通过改进后的LCCP三维点云分割处理算法分割堆叠物体;并使用三维点云深度学习方法对分割后的物体进行分类,实现堆叠物体精准识别。本文第三章研究了机器人抓取技术研究中的抓取规划方面。一方面使用点云数据获取堆叠物体堆中各个物体的包围盒位姿、法向量和高度信息配合神经网络共同构建物体间的空间关系模型;另一方面使用获取到的各个堆叠物体的空间关系、类别信息、尺寸信息计算抓取安全系数,确定合理、安全的物体抓取顺序。本文第四章设计了机器人抓取技术研究中的机器人控制模块,针对机器人大范围运动和小范围精准运动分别设计了抓取初始位置控制方法和抓取精准位置控制方法两部分。在大范围运动中,主要要求机器人能够快速、稳定地运动到初始抓取点。所以,本文使用了机器人运动学建模配合路径规划算法完成了基本要求。而在小范围的抓取位置精准调整中,堆叠物体问题要求机器人在有限的时间内能够更加精确运动到指定的抓取位置。所以,本文利用物体的空间模型、机器人动力学模型以及神经网络自适应控制算法设计了堆叠物体抓取精准位置控制方法,并将结果与滑模控制算法进行对比,验证了该方法的可行性。最后,本文针对设计的堆叠物体任务的机器人抓取方法进行了仿真实验和机器人实物模型验证。基于立体视觉技术,将机器人视觉与机器人动力学控制融合,解决了堆叠物体抓取任务中识别精度不高、安全性低、抓取难度大等问题。结果表明,本文设计的视觉算法、控制算法在精度、稳定性有了一定的提高,设计的机器人抓取规划也可满足堆叠物体抓取任务安全性的要求。

关键词： 工业机器人   多体系统传递矩阵法   遗传粒子群算法   关节刚度辨识   姿态优化  

摘要： 工业机器人凭借易集成、高柔性等突出优势,逐渐成为航空航天制造领域主要加工装备。但是机器人结构刚性弱,在铣削加工过程中极易发生振动,严重时甚至产生颤振,导致工件表面质量差。本文基于多体系统传递矩阵法建立了铣削机器人系统动力学模型,辨识了机器人六个关节共36个刚度参数,以机器人运动学性能和铣削响应为目标,优化了机器人的铣削姿态,有效降低了机器人铣削振动,提高了加工表面质量。主要研究内容有:(1)结合工业机器人自身串联式连杆结构特点及其运动传递方式,建立了六轴机器人铣削系统动力学模型,根据多体系统传递矩阵法列写了机器人系统各元件传递矩阵和传递方程,求解铣削机器人的固有振动特性,得到了系统的各阶固有频率和振型。(2)开展了机器人锤击试验模态分析,采用多参考点复频域最小二乘法拟合模态试验数据,获得了不同工况下机器人的实测固有频率和振型等模态参数,为机器人关节刚度参数辨识提供了重要数据。(3)结合多体系统传递矩阵法和遗传粒子群算法,提出了一种机器人系统关节刚度参数识别方法,建立了以系统实测固有频率和振型与计算固有频率和振型之间误差为最小的目标函数,通过遗传粒子群算法的迭代寻优过程,实现了对机器人关节刚度的辨识。(4)应用关节刚度识别结果,求解了机器人系统铣削振动响应,在此基础上建立了结合动力学响应和运动学约束的目标函数,提出了机器人加工姿态优化方法,有效降低了铣削振动响应,提高了铣削表面质量。

关键词： 预紧变径机构   越障分析   动力学仿真   PID控制  

摘要： 近几年来,随着国家经济的高速发展,我国基础交通建设和矿产资源开发得到了迅速发展,出现了许多技术难度非常高的隧道和巷道,其产生的地质灾害问题对施工安全产生了巨大的威胁。为了避免岩爆等地质动力灾害对施工人员及施工设备造成不可估量的损失,因此迫切需求一款行走性能和检测性能优异的小型岩孔检测机器人。本文首先结合国内外管道机器人的研究现状以及实际检测作业的要求,完成机器人整体设计,包括机器人整体结构、孔内定位系统、检测及通讯系统等。其中整体结构包括变径机构、传动行走机构以及电机的选型计算。其次,对弹簧预紧变径机构进行力学特性分析,完成预紧弹簧的选型计算,同时考虑机器人所受负载和阻力的情况,得出机器人所需的最大牵引力;此外,基于ADAMS软件完成对机器人整体的动力学仿真分析,包括预紧变径机构设计的合理性、机器人行走的最大速度、行走轮与孔壁间的预紧压力、机器人牵引力以及弹簧预紧力对机器人牵引力的影响;对于机器人的越障性能,完成了行走轮的力学建模,得到机器人最大越障高度以及影响机器人越障性能的主要参数,并得出其参数对机器人越障性能的影响规律;同时,基于ADAMS软件完成了机器人越障动力学仿真分析,其中包括验证机器人越障的最大高度、验证预紧弹簧的预紧力和刚度系数以及行走轮的尺寸对机器人越障性能的影响;最后,基于ANSYS软件,完成了电机连接轴的力学特性仿真分析。然后,针对机器人实际检测作业需求,完成了机器人的总体控制规划和通讯方式的选择,并基于LabVIEW软件对机器人的控制界面进行设计;同时,对于直流伺服电机,完成了其传递函数的测定以及控制策略的研究,并引入PID控制策略作进一步分析,得出采用PI控制算法能够很好的满足对电机的控制。最后,为了验证前文的理论研究和仿真分析,对机器人行走性能以及检测功能进行了相关实验,包括变径行走性能实验、牵引力实验、最大速度实验、最大越障高度实验、预紧弹簧的预紧力和刚度系数以及行走轮的尺寸对机器人越障性能影响的实验、视觉检测实验、超声波检测实验以及孔内定位实验。

关键词： 逆动力学模型   高斯过程回归   稀疏化   离线建模   在线建模  

摘要： 逆动力学模型在机器人及相关领域有着广泛的应用。为了建立精确的机器人逆动力学模型,各种建模方法不断涌现。除了传统的基于动力学原理的建模方法之外,基于数据驱动的建模方法也逐渐进入人们的视野。高斯过程回归(Gaussian Process Regression,GPR)是一种基于数据驱动的建模方法,对于较小的数据集有着高精度的预测结果。但是由于GPR模型的计算复杂度随着训练样本的增加而增大,并不适用于大规模的数据集。为了降低计算复杂度,本文采用基于稀疏谱高斯过程回归(Sparse Spectrum Gaussian Process Regression,SSGPR)的方法建立机器人逆动力学离线模型和在线模型,并对SSGPR算法进行了优化,综合提升了模型的训练和预测速度,实现了在线学习的模型更新功能。论文的主要内容如下:(1)针对高斯过程回归在处理大规模训练数据时计算复杂度过大的问题,本文提出采用稀疏谱高斯过程回归建立机器人逆动力学模型。该方法使用有限维的特征映射对高斯过程进行稀疏化处理,从而提高模型的训练和预测的速度。并提出采用遗传算法优化初始超参数,有效降低了模型的预测误差。(2)为了提升稀疏谱高斯过程回归方法的预测精度,本文提出一种基于自组织映射(Self Organizing Map,SOM)神经网络的局部SSGPR建模方法:通过SOM网络将训练数据映射到输出层的获胜神经元对应的局部训练子集中,建立相应的局部SSGPR模型并对其进行训练。然后计算预测样本所属的局部子集,根据其对应的局部SSGPR模型计算得到预测结果。实验结果表明,本文方法具有较高的预测效率和预测精度。(3)针对机器人的动力学特性会随着时间和环境的改变而发生变化的问题,提出基于局部SSGPR的在线建模方法:采用在线SOM网络建立在线局部模型,根据新样本的加入,将对应各个局部子集的神经元权值进行在线更新,以便更精确地预测机器人关节力矩。(4)针对高斯过程回归根据新获取样本重新训练模型而导致计算复杂度过大的问题,对局部模型采用递推更新方式:通过残差平方和(Residual Sum of Squares,RSS)准则选择需要增加的新样本和删减的旧样本,不仅能将局部模型的大小控制在一定范围内,还能保证更新后的模型能够适应机器人动力学特性的变化;然后根据原始模型的结果递推计算得到更新后的局部SSGPR模型,减少了训练新样本集的计算量。实验表明,与其他建模方法相比,本文方法的模型预测性能更好。本文在Sarcos和Sarcos＿inv两个数据集上评估本文方法建立的机器人逆动力学模型。实验结果表明,本文方法进行逆动力学建模可以获得较高的预测精度和预测效率。

关键词： 全向移动机器人   轨迹跟踪   滑模控制   编队控制  

摘要： 本文以四轮全向移动机器人为研究对象,针对现有控制器误差收敛速度慢、质心与重心不重合、未知干扰较多、模型参数不确定或参数摄动等问题进行系统的研究,同时简单探讨了多移动机器人的编队控制。本文的主要研究内容如下:1.四轮全向移动机器人数学模型的建立。基于四轮全向移动机器人运动学和动力学模型示意图,分析得到其约束方程,并归纳得到其数学模型的标准形式。然后,基于直流电机模型推导得到包含驱动电机信息的四轮全向移动机器人动力学模型。2.针对质心与重心不重合的情况,提出了一种双幂次趋近律的快速滑模轨迹跟踪控制方法。首先,在考虑质心与重心不重合的基础上,结合移动机器人满足的运动学约束方程,得到其轨迹误差模型。然后,基于误差模型设计了新的滑模面,并运用双幂次趋近律来设计线速度控制器和角速度控制器,以此来提高系统误差的收敛速度。最后,证明了系统的稳定性并对其系统的收敛时间进行了定量的分析。仿真结果表明,本文设计的控制器响应速度快,稳定时间更短,系统的误差收敛速度快。3.针对因模型参数摄动以及未知干扰导致轨迹跟踪控制性能变差问题,提出了一种基于ASMCFR的全向移动机器人轨迹跟踪控制器。首先,基于含驱动电机信息的动力学模型建立滑模控制器,并引入滤波器削弱抖震现象。其次,设计了参数自适应律来削弱参数摄动给控制性能带来的影响。然后,利用RBF神经网络对滑模控制律中切换增益进行实时调整,进一步降低抖震带来的影响。最后,证明了系统的全局稳定并进行了仿真验证。仿真结果表明,该方法能够很大程度削弱抖震现象,同时在降低模型参数变化带来的负面影响方面也具有显著的效果。4.多移动机器人的编队控制。基于领航跟随方法提出了一种新的编队控制方法,领航机器人采用基于ASMCFR的轨迹跟踪控制器对理想轨迹进行跟踪;跟随机器人采用双环编队控制器对领航者进行跟随。双环编队控制通过位置控制器和姿态控制器来保证系统的稳定性。外环跟踪两机间距,然后产生角速率命令提供给内环;内环通过跟踪外环提供的角速度,完成跟随。最后,通过仿真验证了方法的可行性。

关键词： 工业机器人   动力学参数辨识   阻抗控制   最优有界椭球  

摘要： 随着工业生产中自动化进程的不断深入,工业机器人的应用愈加广泛,对控制性能的要求也持续提高。一方面,工业机器人的动力学参数具有高时变性,要保证良好的轨迹跟踪精度就必须识别机器人动态变化的动力学参数,及时调整控制力矩;另一方面,装配、打磨以及搬运等工业机器人与外部环境动态交互的任务正快速增加,这要求机器人根据任务需要在与环境的交互中表现出恰当的阻抗特性和柔顺性,避免机器人本体和工件的损坏。针对上述在工业机器人发展过程中出现的新任务和新要求,本文以工业机器人的动力学参数辨识和自适应阻抗控制为主题进行研究。首先,针对机器人动力学参数不确定、传统参数辨识方法参数收敛速度慢等问题,建立了具有高参数收敛速度的最优有界椭球神经网络动力学参数辨识方法,分析了此辨识方法的收敛特性。并进一步设计了以此为基础的自适应控制方法,通过李雅普诺夫方法分析其稳定性,从理论上保证了追踪误差的部分渐进收敛性,通过与其他控制方法的对比说明了其在跟踪精度和对外部负载变化适应能力上的优越性。之后,针对阻抗控制中阻抗误差因动力学参数的不准确和时变特性而不能收敛的问题,展开了自适应阻抗控制策略的研究。将最优有界椭球神经网络自适应控制方法引入阻抗控制策略的位置内环,以实现对未知动态的补偿和对阻抗控制信号的准确跟踪。还建立了六维力传感器信息解算算法,实现笛卡尔空间内机器人与外部环境的接触力的精确感知。仿真试验验证了此策略的有效性。最后,搭建了基于Simulink Real-Time框架的硬件在环机械臂实验平台。进行了含负载变化的参数辨识和轨迹追踪实验,验证了基于最优有界椭球的参数辨识和自适应控制方法的有效性。还在此平台进行了阻抗控制实验,结果表明本文提出的自适应阻抗控制策略可明显减少与环境接触时的振荡,并有利于阻抗模型的精确追踪和阻抗特性的稳定表达。综上,本文的研究为工业机器人的动力学参数辨识提供了一种基于最优有界椭球神经网络的新方法,给出了与新辨识方法相匹配的自适应控制方法和阻抗控制策略,为工业机器人的性能提升提供了可行的方案。